A implementação de IA começa muito antes do modelo. Ela exige decisões sobre onde e como essas capacidades serão aplicadas, quais dados estarão disponíveis, como serão governados e quais fluxos operacionais poderão ser reconfigurados. Isso inclui desde a definição de limites no uso de ferramentas até a estruturação de ambientes seguros, com controle sobre dados sensíveis e integração entre sistemas.

Nesse contexto, a base tecnológica passa a exercer um papel determinante.

Arquiteturas fragmentadas, sistemas legados e dados distribuídos impõem restrições diretas à forma como a IA pode ser utilizada. Não apenas do ponto de vista técnico, mas na capacidade de escalar casos de uso, garantir consistência operacional e capturar valor em processos mais complexos.

É nesse cenário que a velocidade da IA se torna um fator de pressão.

De acordo com o AI Index Report 2026, da Stanford HAI, a IA generativa alcançou cerca de 53% de adoção populacional em apenas três anos, enquanto a adoção organizacional já chega a 88% — um ritmo superior ao de tecnologias anteriores como internet e computação pessoal.

E essa aceleração amplifica os desafios estruturais. A questão agora se tornou preparar a organização para sustentar a IA e, principalmente, para capturar valor a partir dela.

De capacidades isoladas a sistemas críticos de negócio

O estudo também aponta uma mudança relevante na forma como a IA está sendo aplicada. Os sistemas estão sendo testados e implementados em contextos reais, assumindo responsabilidades em tarefas complexas e fluxos completos de trabalho.

Esse movimento eleva o nível de exigência.

Operar IA nesse contexto requer uma base tecnológica capaz de sustentar:

  • dados integrados e confiáveis
  • capacidade de conectar sistemas que não foram projetados juntos
  • monitoramento contínuo e validação de resultados
  • governança estruturada

Ao mesmo tempo, o relatório aponta uma convergência crescente entre os modelos de IA de ponta. À medida que as diferenças técnicas diminuem, o foco competitivo se desloca para a forma como essas capacidades são aplicadas e integradas

Isso altera a lógica de diferenciação. A vantagem competitiva passa a depender menos do modelo e mais da capacidade de colocá-lo em operação de forma consistente, integrada e escalável.

Quando a IA encontra o legado

A evolução da IA amplia o escopo dos casos de uso, de tarefas isoladas para processos completos e sistemas críticos. Esse avanço aumenta a dependência da base tecnológica que sustenta essas iniciativas.

Quanto mais sofisticado o caso de uso, maior a necessidade de integração, consistência de dados e capacidade de orquestração.

Ao mesmo tempo, o AI Index indica que a evolução da tecnologia ocorre mais rápido do que a capacidade das organizações de adaptar arquitetura, dados e governança. Esse descompasso se materializa na operação.

Em ambientes críticos, isso se traduz em limitações concretas. Em um projeto de modernização no setor financeiro que conduzimos na Mirante, a substituição progressiva de um sistema core em COBOL por uma arquitetura cloud-native permitiu manter a operação contínua enquanto viabilizava ganhos de até 75% em performance de processamento, além de avanços em eficiência.

Sem uma base preparada, a IA tende a permanecer em casos isolados. Com essa base, passa a atuar nos fluxos onde o valor se concentra. A capacidade de gerar valor com IA passa, necessariamente, pela capacidade de modernizar a base que a sustenta.

No centro da agenda de líderes de tecnologia

Para esses líderes, a agenda deixa de ser centrada na adoção de IA e passa a se estruturar em torno da capacidade de sustentação e escala.

Os dados do AI Index apontam três movimentos prioritários:

1. Reavaliar a arquitetura como ativo estratégico

A integração entre sistemas, dados e aplicações passa a ser determinante para viabilizar casos de uso mais avançados e capturar valor em processos complexos.

2. Priorizar capacidade de execução

A evolução da IA exige estruturar operações que suportem escala, com controle, previsibilidade e integração entre múltiplos fluxos.

3. Conectar decisões de tecnologia a impacto de negócio

À medida que o valor da IA se concentra em processos mais sofisticados, a relação entre arquitetura tecnológica e resultado financeiro se torna mais direta.

Nesse cenário, a discussão sobre IA deixa de estar restrita ao potencial da tecnologia e passa a refletir o nível de preparo da organização para operá-la de forma consistente.